AIコンピューティングパワーのロングテール市場に直面している:a. 技術面では、分散型コンピューティング市場が推論ステップにより適しています。 トレーニングは、超大規模クラスタースケールのGPUによってもたらされるデータ処理能力に大きく依存しますが、推論は、Aethirが低遅延のレンダリングジョブやAI推論アプリケーションに重点を置いているなど、GPUコンピューティングのパフォーマンスが比較的低くなります。 b. 「需要側」では、中小規模のコンピューティングパワーデマンダーは、独自の大規模モデルを単独でトレーニングするのではなく、いくつかの主要な大規模モデルを中心に最適化および微調整することのみを選択し、これらのシナリオは分散アイドルコンピューティングリソースに自然に適しています。
支払いを除いて、Virtuals Protocol の Luna は同様に AI エージェントが以下の方法で自律的にオンチェーン取引を実行することを初めてデモンストレーションし、注目を集めました。AI エージェントは環境を認識し、意思決定を行い、アクションを実行できる知的存在として、オンチェーン金融の未来と見なされています。現在、AI エージェントの潜在的なシナリオは以下の点に現れています：
AI + Web3: タワーとプラザ
文:Coinspire
TL; 博士：
AIコンセプトのWeb3プロジェクトは、一次市場と二次市場で資金を集めるターゲットとなっています。
Web3のAI業界における機会は、分散型インセンティブを使用して長尾の潜在的な供給を調整することにあります——データ、ストレージ、計算を横断して；同時に、オープンソースモデルとAIエージェントの分散型マーケットを構築することです。
AIはWeb3業界において主にオンチェーン金融（暗号支払い、取引、データ分析）および開発支援に利用されています。
AI+Web3の有用性は、両者の相補性にあります：Web3はAIの集中化に対抗することが期待され、AIはWeb3の範囲を広げるのに役立つと期待されています。
紹介
ここ2年、AIの発展は加速のボタンが押されたようで、Chatgptによって煽られた蝶の翼は、生成的人工知能の新たな世界を開くだけでなく、対岸のWeb3でも潮流を巻き起こしました。
AIの概念の後押しにより、減速している暗号市場の資金調達が明らかに活性化しています。メディアの統計によると、2024年の上半期だけで、64のWeb3+AIプロジェクトが資金調達を完了しました。人工知能に基づくオペレーティングシステムZyber365は、Aラウンドで1億ドルの最高資金調達額を実現しました。
セカンダリーマーケットはより繁栄しており、暗号アグリゲーションウェブサイトCoingeckoのデータによると、わずか1年余りでAIトラックの時価総額総額は485億ドルに達し、24時間の取引量は約86億ドルに達しました。 OpenAIのSoraテキスト・ビデオ・モデルのリリース後、AIセクターの平均価格は151%上昇しました。 AI効果は、暗号通貨の金を吸収するセクターの1つにも波及しています:MemeCoinの最初のAIエージェントコンセプトであるGOATは、瞬く間に人気を博し、14億ドルの評価額を獲得し、AIミームブームの火付け役となりました。
AI+Web3に関する研究と話題も同様に盛り上がっており、AI+DepinからAIメモコイン、そして現在のAIエージェントやAI DAOに至るまで、FOMOの感情は新しいストーリーの転換の速度についていけていません。
AI+Web3、この熱い資金、トレンド、未来の幻想に満ちた用語の組み合わせは、資本によって結びつけられた見合い結婚のように見られがちで、華やかなローブの下にあるのは、投機家の主場か、それとも夜明けの爆発の前夜なのか、私たちは見分けるのが難しいようです。
この質問に答えるために、双方にとって重要な思考は、相手がいることでより良くなるのか？相手のモデルから利益を得ることができるのか？この記事では、先人の肩の上に立ってこのパターンを考察しようとしています：Web3がAI技術スタックの各段階でどのように機能するのか、そしてAIがWeb3にどのような新たな活力をもたらすのか？
AIスタック下のWeb3にはどんな機会がありますか？
このトピックを展開する前に、AI大モデルの技術スタックを理解する必要があります。
資料:Delphi Digital
もっとわかりやすい言葉で全体のプロセスを説明すると、「大モデル」は人間の脳のようなもので、初期段階ではこの脳は生まれたばかりの赤ちゃんに属し、周囲の膨大な情報を観察し取り込んでこの世界を理解する必要があります。これがデータの「収集」段階です。コンピュータは人間の視覚や聴覚などの感覚を持っていないため、訓練の前に外部の大規模な無標識情報は「前処理」を通じてコンピュータが理解できて利用可能な情報形式に変換する必要があります。
データを入力すると、AIは「トレーニング」を通じて理解と予測能力を持つモデルを構築します。これは、赤ちゃんが外界を理解し学ぶ過程に似ています。モデルのパラメータは、赤ちゃんが学習過程で調整される言語能力のようなものです。学習する内容が分野に分かれたり、人とコミュニケーションを取ってフィードバックを得て修正されたりすると、大規模モデルの「ファインチューニング」段階に入ります。
子供は成長し、話すことを学ぶと、新しい会話の中で意味を理解し、自分の感情や考えを表現できるようになります。この段階はAI大モデルの「推論」に似ており、モデルは新しい言語やテキスト入力に対して予測と分析を行うことができます。赤ちゃんは言語能力を通じて感情を表現し、物体を描写し、さまざまな問題を解決します。これは、AI大モデルが訓練を終えた後、推論段階で特定のタスク、例えば画像分類や音声認識などに応用されることに似ています。
AIエージェントは、大規模モデルの次の形態に近づいています。すなわち、独立してタスクを実行し、複雑な目標を追求できる能力を持ち、思考能力だけでなく、記憶、計画ができ、ツールを使用して世界と相互作用することが可能です。
現在、AIの各スタックにおける痛点に対応するために、Web3は現在、AIモデルプロセスの各段階を包含する多層的で相互接続されたエコシステムを初めて形成しています。
1.基本レイヤー:計算能力とデータのためのAirbnb
コンピューティングパワー
現在、AIの最高コストの一つは、モデルのトレーニングと推論に必要な計算力とエネルギーです。
一例として、MetaのLLAMA3は、NVIDIA製のH100GPUが16000個必要であり（これはAIと高性能計算ワークロードのために設計された最高のグラフィックスプロセッサユニットです）、トレーニングを完了するのに30日かかります。後者の80GBバージョンの単価は30,000ドルから40,000ドルの間で、合計で4億から7億ドルの計算ハードウェア投資（GPU + ネットワークチップ）が必要です。同時に、毎月のトレーニングには16億キロワット時を消費し、エネルギー支出は毎月約2000万ドルに達します。
AIの計算力の解放は、Web3が最初にAIと交差した分野、すなわちDePin（分散型物理インフラストラクチャネットワーク）に他なりません。現在、DePin Ninjaデータサイトには1400以上のプロジェクトが展示されており、その中にはGPU計算力共有を代表するプロジェクトとしてio.net、Aethir、Akash、Render Networkなどがあります。
主なロジックは、このプラットフォームにより、アイドル状態のGPUリソースを持つ個人またはエンティティがパーミッションレスで分散型の方法でコンピューティングパワーを提供できるようにし、UberやAirbnbのような買い手と売り手向けのオンラインマーケットプレイスを通じて十分に活用されていないGPUリソースの利用を増やし、エンドユーザーに効率的なコンピューティングリソースを低コストで提供することです。 同時に、ステーキングメカニズムは、品質管理メカニズムの違反やネットワークの混乱があった場合、リソースプロバイダーに対応するペナルティを受けることも保証します。
その特徴は次のとおりです：
無駄な GPU リソースの集約：供給者は主に第三者の独立した中小型データセンターや暗号通貨マイニングファームなどのオペレーターの余剰計算力リソース、コンセンサスメカニズムは PoS のマイニングハードウェア、例えば FileCoin と ETH マイナーです。現在、exolab が MacBook、iPhone、iPad などのローカルデバイスを利用して大規模モデル推論の計算ネットワークを構築するような、より低い参入障壁を持つデバイスの立ち上げに取り組んでいるプロジェクトもあります。
AIコンピューティングパワーのロングテール市場に直面している:a. 技術面では、分散型コンピューティング市場が推論ステップにより適しています。 トレーニングは、超大規模クラスタースケールのGPUによってもたらされるデータ処理能力に大きく依存しますが、推論は、Aethirが低遅延のレンダリングジョブやAI推論アプリケーションに重点を置いているなど、GPUコンピューティングのパフォーマンスが比較的低くなります。 b. 「需要側」では、中小規模のコンピューティングパワーデマンダーは、独自の大規模モデルを単独でトレーニングするのではなく、いくつかの主要な大規模モデルを中心に最適化および微調整することのみを選択し、これらのシナリオは分散アイドルコンピューティングリソースに自然に適しています。
分散型所有権：ブロックチェーンの技術的意義は、リソースの所有者が常にリソースに対するコントロールを保持し、需要に応じて柔軟に調整し、同時に利益を得ることができる点にあります。
データ
データはAIの基盤です。データがなければ、計算は無意味であり、データとモデルの関係は「ゴミが入ればゴミが出る」ということわざのようです。データの量と入力の質が最終的なモデルの出力の質を決定します。現在のAIモデルの訓練において、データはモデルの言語能力、理解能力、さらには価値観や人間らしい表現を決定します。現在、AIのデータ需要の困難は主に以下の4つの側面に集中しています：
データ飢餓：AIモデルのトレーニングは大量のデータ入力に依存しています。公開された資料によると、OpenAIはGPT-4のトレーニングにおいてパラメータの数が兆単位に達しています。
データ品質：AIと各業界の統合が進む中、データのタイムリーさ、データの多様性、特定の分野におけるデータの専門性、ソーシャルメディアの感情などの新興データソースの取り込みが、その品質に新しい要求をもたらしています。
プライバシーとコンプライアンスの問題：現在、各国や企業は高品質なデータセットの重要性に徐々に気づき、データセットのクローリングに制限をかけています。
データ処理コストが高い：データ量が多く、処理プロセスが複雑です。公開された資料によると、AI企業の30%以上の研究開発コストは基礎データの収集と処理に使われています。
現在、web3のソリューションは以下の4つの側面に現れています:
1、データ収集：無料で提供される現実世界のデータの取得が急速に枯渇しており、AI企業のデータへの支出は年々増加しています。しかし同時に、この支出はデータの真の貢献者には還元されておらず、プラットフォームはデータから生まれる価値創造を全て享受しています。例えば、RedditはAI企業とのデータライセンス契約を通じて合計2.03億ドルの収入を実現しました。
真に貢献するユーザーがデータによる価値創造に参加し、分散型ネットワークとインセンティブメカニズムを通じて、低コストでよりプライベートで価値のあるデータを取得することがWeb3のビジョンです。
Grassは、分散型データ層およびネットワークであり、ユーザーはGrassノードを運営することで、余剰帯域幅とリレートラフィックを提供し、インターネット全体のリアルタイムデータをキャッチし、トークン報酬を得ることができます；
Vanaは、ユーザーが自分の個人データ(買い物履歴、閲覧習慣、ソーシャルメディア活動など)を特定のDLPにアップロードし、このデータを特定の第三者に許可するかどうかを柔軟に選択できる独自のデータ流動性プール(DLP)コンセプトを導入しています。
PublicAIでは、ユーザーはX上で#AI 或#Web3を分類ラベルとして使用し、@PublicAIをタグ付けすることでデータ収集を実現できます。
2.データの前処理:AIのデータ処理プロセスでは、収集されたデータにノイズが多く、エラーが含まれているため、モデルをトレーニングする前にクリーニングして使用可能な形式に変換する必要があり、これには欠損値の正規化、フィルタリング、処理という反復的なタスクが含まれます。 この段階は、AI業界では数少ない手動リンクの1つであり、データアノテーターの業界が導き出され、データ品質に対するモデルの要件の改善に伴い、データアノテーターのしきい値も増加しており、このタスクはWeb3の分散型インセンティブメカニズムに自然に適しています。
現在、GrassとOpenLayerはデータアノテーションという重要なプロセスへの参加を検討しています。
Synesisは「Train2earn」の概念を提唱し、データの質を強調しています。ユーザーは、注釈データ、コメント、またはその他の形式の入力を提供することで報酬を得ることができます。
データラベリングプロジェクトSapienは、ラベリングタスクをゲーム化し、ユーザーがポイントをステークしてより多くのポイントを獲得できるようにします。
3.データのプライバシーとセキュリティ:データのプライバシーとセキュリティは2つの異なる概念であることを明確にする必要があります。 データプライバシーには機密データの取り扱いが含まれ、データセキュリティは不正アクセス、破壊、盗難からデータを保護します。 その結果、Web3プライバシー技術の利点と潜在的なアプリケーションシナリオは、次の2つの側面に反映されます:(1)機密データのトレーニング。 (2)データコラボレーション:複数のデータ所有者が協力して、生データを共有せずにAIトレーニングに参加できます。
現在のWeb3で一般的なプライバシー技術には、以下が含まれます：
Trusted Execution Environment (TEE) (Super Protocol など)。
BasedAI、Fhenix.io、Inco Networkなどの完全準同型暗号化(FHE)。
ゼロ知識技術（zk）、例えばReclaim Protocolは、zkTLS技術を使用してHTTPSトラフィックのゼロ知識証明を生成し、ユーザーが外部サイトから活動、評判、そしてアイデンティティデータを安全にインポートできるようにし、敏感な情報を公開することなく実現します。
しかし、現在この分野はまだ初期段階にあり、大部分のプロジェクトはまだ探索中です。現在の一つのジレンマは計算コストが高すぎることで、いくつかの例は次の通りです：
zkMLフレームワークEZKLは、1M-nanoGPTモデルの証明を生成するのに約80分かかります。
Modulus Labs のデータによると、zkML のオーバーヘッドは純粋な計算よりも 1000 倍以上高い。
4、データストレージ：データが得られた後、チェーン上にデータを保存する場所と、そのデータを使用して生成された LLM が必要です。データ可用性（DA）を中心にした問題で、イーサリアムの Danksharding アップグレード前は、そのスループットは 0.08MB でした。同時に、AI モデルのトレーニングとリアルタイム推論には通常、毎秒 50 から 100GB のデータスループットが必要です。この規模のギャップは、既存のチェーン上のソリューションが「リソース集約型の AI アプリケーション」に直面したとき、力不足に陥らせます。
0g.AIはこのカテゴリの代表的なプロジェクトです。これは、AIの高性能ニーズに対応するために設計された集中型ストレージソリューションであり、その主な特徴には、高いパフォーマンスとスケーラビリティが含まれています。高度なシャーディング（Sharding）とエラーチェックコード（Erasure Coding）技術を通じて、大規模データセットの迅速なアップロードとダウンロードをサポートし、データ転送速度は毎秒5GBに近いです。
二、ミドルウェア：モデルのトレーニングと推論
オープンソースモデルの分散型マーケット
AIモデルのクローズドソースとオープンソースに関する議論は決して消えたことがありません。オープンソースがもたらす集団的なイノベーションはクローズドモデルには比類のない利点ですが、全く利益を生むモデルがない中で、オープンソースモデルはどのように開発者のモチベーションを高めるのでしょうか？これは考える価値のある方向です。百度の創業者である李彦宏は、今年の4月に「オープンソースモデルはますます遅れをとるだろう」と断言しました。
これに対して、Web3は、モデル自体をトークン化し、チームが一定の割合のトークンを保持し、そのモデルの将来の収益の一部をトークン保有者に流すという、分散型のオープンソースモデル市場の可能性を提案しています。
Bittensorプロトコルは、数十の「サブネット」で構成されたオープンソースモデルのP2P市場を構築します。リソース提供者（計算、データ収集/ストレージ、機械学習の専門家）が特定のサブネットオーナーの目標を満たすために相互に競争し、各サブネットは相互にインタラクションし、学び合うことで、より強力なインテリジェンスを実現します。報酬はコミュニティの投票によって分配され、競争のパフォーマンスに基づいて各サブネット内でさらに分配されます。
ORAは初期モデルの発行(IMO)の概念を導入し、AIモデルをトークン化しました。これにより、分散型ネットワークを通じてAIモデルを購入、販売、開発することが可能になります。
Sentient、分散型のAGIプラットフォームで、人々が貢献者として協力し、構築し、複製し、AIモデルを拡張することを奨励し、貢献者に報酬を与えます。
スペクトラルノヴァは、AIとMLモデルの作成と応用に焦点を当てています。
検証可能な推論
AI推論の「ブラックボックス」問題に対する標準的なWeb3ソリューションは、複数のバリデーターが同じ操作を繰り返して結果を比較することですが、現在、ハイエンドの「Nvidiaチップ」が不足しているため、このアプローチの明らかな課題はAI推論のコストが高いことです。
より有望な解決策は、オフチェーンのAI推論計算に対してZK証明（「ゼロ知識証明、ある当事者が他の当事者に特定の主張が真実であることを証明し、主張が真実である以外の追加情報を漏らさない暗号プロトコル」）を実行し、オンチェーンでAIモデル計算の許可不要の検証を行うことです。これは、オンチェーンで暗号的にオフチェーン計算が正しく行われたことを証明する必要があります（例えばデータセットが改ざんされていないこと）、同時にすべてのデータの機密性を確保する必要があります。
主な利点は次のとおりです：
スケーラビリティ：ゼロ知識証明は、大量のオフチェーン計算を迅速に確認できます。取引の数が増えても、単一のゼロ知識証明で全ての取引を検証できます。
プライバシー保護：データとAIモデルの詳細情報は秘密に保たれ、同時に関係者はデータとモデルが改ざんされていないことを検証できます。
信頼不要：中央集権的な関係者に依存せずに計算を確認できます。
Web2 インテグレーション：定義上、Web2 はオフチェーン統合であり、これは検証可能な推論がそのデータセットと AI 計算をチェーン上に持ち込むのに役立つことを意味します。これは Web3 の採用率を向上させるのに役立ちます。
現在のWeb3における検証可能な推論のための検証技術は次のとおりです：
zkML：ゼロ知識証明と機械学習を組み合わせて、データとモデルのプライバシーと機密性を確保し、特定の基盤となる属性を明らかにすることなく検証可能な計算を可能にします。Modulus Labsは、AI構築のためのZK証明器を基にしたZKMLを発表し、AIプロバイダーがチェーン上でアルゴリズムを正しく実行しているかどうかを効果的に確認しますが、現在のところ顧客は基本的にチェーン上のDAppです。
opML：楽観的集約原則を利用して、論争が発生した時間を検証することで、ML計算のスケーラビリティと効率を向上させます。このモデルでは、「検証者」が生成した結果のごく一部だけを検証する必要がありますが、経済的コストの削減を十分に高く設定することで、検証者の不正行為のコストを引き上げ、冗長な計算を節約します。
TeeML：信頼できる実行環境を使用してML計算を安全に実行し、データとモデルを改ざんや無許可のアクセスから保護します。
三、アプリケーション層：AIエージェント
現在のAIの発展は、モデルの能力からAIエージェントへの開発の焦点の移行を示しています。OpenAI、AI大規模モデルのユニコーンであるAnthropic、Microsoftなどのテクノロジー企業が次々とAIエージェントの開発にシフトし、現在のLLMの技術プラットフォームの期間を打破しようとしています。
OpenAIのAIエージェントの定義は、LLMを脳として駆動し、自主的に理解、認知、計画、記憶し、ツールを使用する能力を持ち、複雑なタスクを自動的に実行するシステムです。AIが使用されるツールからツールを使用する主体に変わると、それはAIエージェントになります。これがAIエージェントが人類にとって最も理想的な知能助手になれる理由です。
Web3はエージェントに何をもたらすのでしょうか？
Web3の非中央集権的特性は、エージェントシステムをより分散化し、自律的にすることができます。PoS、DPoSなどのメカニズムを通じて、ステーキング者や委託者に対するインセンティブとペナルティのメカニズムを構築することで、エージェントシステムの民主化を促進することができます。GaiaNet、Theoriq、HajimeAIはその試みを行っています。
2、コールドスタート
AIエージェントの開発とイテレーションには、多くの資金支援が必要ですが、Web3は潜在的なAIエージェントプロジェクトが早期の資金調達とコールドスタートを行うのを助けることができます。
Virtual ProtocolはAIエージェントの作成とトークン発行プラットフォームfun.virtualsを立ち上げました。すべてのユーザーはワンクリックでAIエージェントを展開し、AIエージェントトークンを100%公平に発行することができます。
Spectralは、オンチェーンAIエージェント資産の発行をサポートする製品の構想を提案しました：IAO（Initial Agent Offering）を通じてトークンを発行し、AIエージェントは投資家から直接資金を得ることができ、同時にDAOガバナンスの一員となり、投資家にプロジェクトの発展に参加し、将来の収益を共有する機会を提供します。
AIはどのようにWeb3を強化するのか？
AIがWeb3プロジェクトにもたらす影響は明らかであり、スマートコントラクトの実行、流動性の最適化、AI駆動のガバナンス決定など、オンチェーン操作の最適化を通じてブロックチェーン技術に利益をもたらします。同時に、より良いデータ駆動の洞察を提供し、オンチェーンのセキュリティを向上させ、Web3ベースの新しいアプリケーションの基盤を築くことができます。
一、AI とオンチェーン金融
AIと暗号経済
8月31日、CoinbaseのCEOブライアン・アームストロングは、Baseネットワーク上で初のAI対AIの暗号取引が実現したことを発表し、AIエージェントが現在Base上でUSDを使用して人間、商人、または他のAIと取引できるようになったと述べました。これらの取引は即時で、グローバルで、さらに無料です。
支払いを除いて、Virtuals Protocol の Luna は同様に AI エージェントが以下の方法で自律的にオンチェーン取引を実行することを初めてデモンストレーションし、注目を集めました。AI エージェントは環境を認識し、意思決定を行い、アクションを実行できる知的存在として、オンチェーン金融の未来と見なされています。現在、AI エージェントの潜在的なシナリオは以下の点に現れています：
1、情報収集と予測：投資家が取引所の公告、プロジェクトの公開情報、パニック感情、世論リスクなどの情報を収集するのを助け、資産のファンダメンタルズ、市場状況をリアルタイムで分析評価し、トレンドとリスクを予測します。
2、資産管理：ユーザーに適切な投資対象を提供し、資産ポートフォリオを最適化し、自動的に取引を実行します。
3、金融体験：投資家が最も速いオンチェーン取引方法を選択できるよう支援し、クロスチェーンの自動化、ガス費用の調整などの手動操作を簡素化し、オンチェーン金融活動のハードルとコストを下げる。
次のようなシーンを想像してください。あなたがAIエージェントに次の指示を伝えます。「1000USDTがありますので、最高の収益を得られる組み合わせを見つけてください。ロック期間は1週間を超えないでください。」AIエージェントは以下のような提案をします。「初期配分はAに50%、Bに20%、Xに20%、Yに10%とすることをお勧めします。私は金利を監視し、そのリスクレベルの変化を観察し、必要に応じて再バランスします。」さらに、将来有望なエアドロッププロジェクトや、人気のあるコミュニティの兆候を持つメモコインプロジェクトを探すことも、AIエージェントがその後実現できることです。
ソース: Biconomy
現在、AIエージェントウォレットのBitteとAIインタラクションプロトコルのWayfinderがこの種の試みを行っています。これらはすべて、ユーザーがChatGPTに似たチャットウィンドウインターフェースの下でエージェントに命令を出し、さまざまなオンチェーン操作を実行するためにOpenAIのモデルAPIに接続しようとしています。たとえば、WayFinderが今年4月に発表した最初のプロトタイプは、Base、Polygon、Ethereumの3つのパブリックブロックチェーンのメインネット上で、スワップ、送信、ブリッジ、ステークの4つの基本操作を示しました。
現在、分散型エージェントプラットフォームMorpheusもこのようなエージェントの開発をサポートしており、Biconomyも完全なウォレット権限の承認を必要とせず、AIエージェントがETHをUSDCにスワップする操作をデモンストレーションしました。
AIとオンチェーン取引の安全性
Web3の世界では、オンチェーン取引のセキュリティが非常に重要です。AI技術は、オンチェーン取引のセキュリティとプライバシー保護を強化するために使用される可能性があります。潜在的なシナリオには以下が含まれます：
取引監視：リアルタイムデータ技術により異常な取引活動を監視し、ユーザーとプラットフォーム向けのリアルタイム警報インフラを提供します。
リスク分析：プラットフォームが顧客の取引行動データを分析し、そのリスクレベルを評価するのを支援します。
例えば、Web3セキュリティプラットフォームSeQureは、AIを利用して悪意のある攻撃、詐欺行為、データ漏洩を検出し防止し、リアルタイムの監視と警報メカニズムを提供し、ブロックチェーン上の取引の安全性と安定性を確保しています。同様のセキュリティツールには、AI搭載のSentinelがあります。
二、AI とオンチェーンインフラ
AIとオンチェーンデータ
AI技術は、オンチェーンデータの収集と分析において重要な役割を果たしています。たとえば：
Web3 Analytics：AIに基づく分析プラットフォームで、機械学習とデータマイニングアルゴリズムを利用して、オンチェーンデータを収集、処理、分析します。
MinMax AI：AIに基づいたオンチェーンデータ分析ツールを提供し、ユーザーが潜在的な市場機会やトレンドを発見するのを支援します。
Kaito：LLMに基づく検索エンジンのWeb3検索プラットフォーム。
Followin：ChatGPTを統合し、異なるウェブサイトやコミュニティプラットフォームに散在する関連情報を収集・統合して表示します。
別のアプリケーションシーンはオラクルで、AIは複数のソースから価格を取得して正確な価格データを提供します。例えば、UpshotはAIを使用してNFTの変動価格に対応し、毎時数億回の評価を通じて、3-10%のパーセンテージ誤差でNFT価格を提供しています。
AI & 開発 & 監査
最近、Web2 の AI コードエディタ Cursor が開発者の間で注目を集めています。このプラットフォームのユーザーは、自然言語で説明するだけで、Cursor が自動的に対応する HTML、CSS、JavaScript コードを生成し、ソフトウェア開発プロセスを大幅に簡素化します。この論理は、Web3 の開発効率を向上させることにも適用されます。
現在、パブリックブロックチェーン上にスマートコントラクトやDAppを展開するには、通常Solidity、Rust、Moveなどの専用開発言語に従う必要があります。新しい開発言語のビジョンは、分散型ブロックチェーンの設計スペースを拡張し、DAppの開発により適したものにすることですが、Web3の開発者が不足している状況下では、開発者教育が依然として頭痛の種の問題となっています。
現在、AIはWeb3開発を支援する上で、想像できるシナリオには、自動コード生成、スマートコントラクトの検証とテスト、DAppの展開とメンテナンス、スマートコードの補完、AIによる会話での問題解決などが含まれます。AIの支援により、開発の効率と正確性が向上するだけでなく、プログラミングのハードルも下がり、非プログラマーでも自身のアイデアを実際のアプリケーションに変換できるようになり、分散型技術の発展に新たな活力をもたらします。
現在、最も注目を集めているのは、ワンクリックでトークンプラットフォームを立ち上げることができる Clanker のようなもので、これは迅速な DIY トークン展開のために設計された AI 駆動の「トークンボット」です。あなたは SocialFi プロトコル Farcaster のクライアントである Warpcast または Supercast 上で Clanker にタグを付けて、あなたのトークンのアイデアを伝えるだけで、それが公链 Base 上であなたのためにトークンを立ち上げてくれます。
契約開発プラットフォームもあり、Spectralはスマートコントラクトのワンクリック生成とデプロイ機能を提供しており、Web3の開発ハードルを下げています。初心者のユーザーでもスマートコントラクトのコンパイルとデプロイを実現できます。
監査側では、Web3監査プラットフォームのFuzzlandは、AIを使用して監査人がコードの脆弱性をチェックし、監査の専門知識をサポートするための自然言語の説明を提供します。 また、Fuzzland は AI を活用して、正式な仕様とコントラクト コードの自然言語解釈と、開発者がコードの潜在的な問題を理解するのに役立つサンプル コードを提供します。
生成的AIの台頭は、Web3の新しい物語に新たな可能性をもたらしました。
NFT：AIは生成的NFTに創造性を注入し、AI技術を通じてさまざまな独自で多様なアート作品やキャラクターを生成できます。これらの生成的NFTは、ゲーム、仮想世界、またはメタバースのキャラクター、アイテム、またはシーン要素になることができます。例えば、バイナンス傘下のBicassoでは、ユーザーが画像をアップロードし、キーワードを入力してAI計算を行うことでNFTを生成できます。同様のプロジェクトにはSolvo、Nicho、IgmnAI、CharacterGPTがあります。
GameFi：AI に基づく自然言語生成、画像生成、インテリジェント NPC の能力を中心に、GameFi はゲームコンテンツの生産において効率と革新を向上させることが期待されています。たとえば、Binaryx の初のブロックチェーンゲームである AI Hero では、プレイヤーは AI を介して異なるストーリーオプションをランダムに探索できます。同様に、AIGC と LLM に基づくバーチャルパートナーゲーム Sleepless AI では、プレイヤーは異なるインタラクションを通じて個別化されたゲームプレイをアンロックすることができます。
DAO：現在、AIはDAOに応用されることが想定されており、コミュニティのインタラクションを追跡し、貢献を記録し、最も多く貢献したメンバーに報酬を与え、投票を代理するなどの支援を行います。ai16zがAIエージェントを利用してオンチェーンとオフチェーンで市場情報を収集し、コミュニティの合意を分析し、DAOメンバーの提案をもとに投資判断を行うことと組み合わせています。
AI+Web3 の組み合わせの意義：タワーと広場
イタリアのフィレンツェ市の中心部には、地元で最も重要な政治活動の場であり、市民や観光客の集まる場所である中央広場があります。ここには、高さ95メートルの市庁舎の塔がそびえ立っており、塔と広場の垂直と水平の視覚的対比が相まって、劇的な美学的効果を生み出しています。ハーバード大学の歴史学教授ニール・ファーガソンはこれに触発され、『広場と高塔』という書籍の中で、ネットワークと階級制度の世界史に関連づけて考察しています。両者は時間の流れの中で、潮の満ち引きのように相互に影響し合っています。
この見事なメタファーは、現在のAIとWeb3の関係に当てはめても全く不自然ではありません。両者の長期的で非線形の関係の歴史から見ると、広場は塔よりも新しいものを生み出す創造性が高いですが、塔には依然としてその合法性と強力な生命力があります。
テクノロジー企業が高度に集約されたエネルギー計算能力とデータの下で、AIは前例のない想像力を爆発させ、テクノロジー大手が巨額の投資を行い、様々なチャットボットから「基盤大モデル」GPT-4、GP4-4oなどのバージョンが次々と登場し、自動プログラミングロボット（Devin）や初歩的なリアルな物理世界のシミュレーション能力を持つSoraが登場するなど、AIの想像力は無限に拡大された。
一方で、AIは本質的に規模と集中を持つ産業であり、この技術革新は「インターネット時代」において構造的支配権を徐々に掌握していたテクノロジー企業をより狭い高みに押し上げています。膨大な電力、独占的なキャッシュフロー、そしてインテリジェント時代に必要な膨大なデータセットが、より高いバリアを形成しています。
タワーが高くなるにつれて、背後の意思決定者はますます縮小し、AIの集中化は多くの危険をもたらします。広場に集まった人々は、タワーの影をどう避けるべきでしょうか？それこそがWeb3が解決を期待している問題です。
本質的に、ブロックチェーンの固有の特性は人工知能システムを強化し、新しい可能性をもたらします。主に次の点です：
人工知能時代の「コードが法律」——スマートコントラクトと暗号検証を通じて透明なシステムが自動的にルールを実行し、報酬を目標に近い人々に渡す。
トークンエコノミー——トークンメカニズム、ステーキング、削減、トークン報酬および罰則を通じて参加者の行動を作成および調整します。
分散型ガバナンス——私たちが情報源を疑問視し、偏見、誤情報、操作を防ぐために人工知能技術に対してより批判的かつ洞察的なアプローチを取ることを奨励し、最終的にはより情報に基づいた権限を付与された社会を育むことを促します。
AIの発展はWeb3に新しい活力をもたらしました。Web3がAIに与える影響は時間が証明する必要があるかもしれませんが、AIがWeb3に与える影響は目に見える形で現れています。それはMemeの狂騒においても、AIエージェントがオンチェーンアプリケーションの使用ハードルを下げる手助けをすることにおいても明らかです。
Web3が一部の人々の自己満足として定義され、伝統産業の模倣に対する疑問の声に苦しむ中、AIの参加はその予見可能な未来をもたらしました：より安定した&スケールのあるWeb2ユーザー群、より革新的なビジネスモデルとサービス。
私たちは「塔と広場」が共存する世界に生きています。AIとWeb3は異なるタイムラインとスタートラインを持っていますが、その終点は機械が人間にどのようにより良くサービスを提供するかです。誰も奔流を定義することはできません。私たちはAI+Web3の未来を見ることを期待しています。